Python-Pillow-Tutorial¶

引言¶

很早之前，Python 有一个图像处理库叫做 Python Imaging Library（简称：PIL），但之后不再维护了，而 Pillow 则接手继续维护，所以，你会发现使用 Pilow 的时候是从 PIL 导入类或函数的。本文是 Pillow 的零基础入门教程，让你轻松学会用 Pillow 处理图像的方法。

安装¶

pip install Pillow

教程¶

使用 Image 类¶

Pillow 中最重要的类就是 Image 类。通过这个类，你可以从文件中加载图像，处理图像，或从头创建图像。

使用 open() 函数从文件中加载图像。

In [1]:
from PIL import  Image
im = Image.open('images/test/hopper.jpg')
im
Out[1]:

如果加载成功，会返回一个 Image 对象；如果图像无法打开，则会抛出 OSError 异常。现在让我们打印类实例的属性来看看图像的信息。

In [2]:
print(f'format: {im.format}')
print(f'size: {im.size}')
print(f'mode: {im.mode}')

format: JPEG
size: (128, 128)
mode: RGB
  • format: 图像格式。标识图像来源。
  • size: 图像大小。是一个二元组，包含了图像的宽和高。
  • mode: 图像模式。定义了图像中波段的数量和名称，以及像素类型和深度。常用模式有：l -> 灰度图像；RGB -> 真彩色图像；CMYK -> 预印图像。

一旦有了 Image 类的实例，你就可以使用该类定义的方法来操作图像。例如，让我们显示刚才加载的图像。

In [3]:
im.show()

show() 方法首先将图像保存到一个临时文件中，然后调用系统默认打开图像的程序来加载这个临时文件。

读取和保存图像¶

Pillow 库支持读取多种图像格式。请使用 Image 模块的 open() 函数从磁盘读取文件。读取的时候不必指定图像格式，Pillow 库会根据文件的内容自动确定。

请使用 Image 类的 save() 方法来保存图像。保存图像时，文件后缀非常重要，因为这个库会根据你指定的文件拓展名来决定使用哪种存储格式。

将其他格式的图像转换为 JPEG 格式¶

In [4]:
from PIL import  Image
fname = 'images/test/hopper.png'
im_png = Image.open(fname)
im_png.save(f'{fname.split(".")[0]}.jpg')

创建 JPEG 缩略图¶

In [5]:
from PIL import  Image
thumbnail_size = (64, 64) # 指定缩略图的大小
fname = 'images/test/hopper.jpg'
im = Image.open(fname)
if thumbnail_size:
    im.thumbnail(thumbnail_size)
else:
    im.thumbnail((im.width//2, im.height//2))
im
Out[5]:

裁剪、粘贴及合并图像¶

裁剪图像¶

In [6]:
from PIL import  Image
fname = 'images/test/hopper.jpg'
im = Image.open(fname)
box = (0, 0, 64, 64)
region = im.crop(box)
region
Out[6]:

Pillow 定义图像左上角坐标为 (0, 0)，crop() 方法接受一个四元组参数，对应裁剪的坐标 (左, 上, 右, 下)。例如，(0, 0, 64, 64) 表示裁剪矩形左上角的坐标是 (0, 0)，右下角的坐标是 (64, 64)。那么，最终裁剪的子图大小就是 (64-0, 64-0)。

粘贴图像¶

In [7]:
region = region.transpose(Image.Transpose.ROTATE_180) # 将图像旋转180°
box = (64, 64, 128, 128) # 指定粘贴覆盖的区域
im.paste(region, box) # 粘贴图像
im
Out[7]:

使用 paste() 方法粘贴图像。贴图的大小必须和给定粘贴区域的大小一致，且不能超出给定底图的区域。

合并图片¶

In [8]:
from PIL import  Image
size = (128, 128)
im_1 = Image.new('RGBA', size, (255, 0, 0, 255))
im_2 = Image.new('RGBA', size, (0, 0, 255, 255))
im_3 = Image.new('RGBA', size, (0, 255, 0, 255))
im_3.paste(im_1, (0, size[1]//3))
im_3.paste(im_2, (0, size[1]//3*2))
im_3
Out[8]:

划分和合并波段¶

In [9]:
from PIL import  Image
fname = 'images/test/hopper.jpg'
im = Image.open(fname)
r, g, b = im.split()
rgb = Image.merge('RGB', (r, g, b))
bgr = Image.merge('RGB', (b, g, r))


# 绘图
import matplotlib.pyplot as plt
im_list = [r, g, b, rgb, bgr]
plt.figure(figsize=(15, 3))
for i, j in enumerate(im_list):
    plt.subplot(1, 5, i+1)
    plt.title(['r', 'g', 'b', 'rgb', 'bgr'][i])
    plt.axis('off')
    plt.imshow(j, cmap=plt.cm.gray)
plt.show()

split() 方法用于划分图像波段。对于单波段图像，返回它本身。

几何变换¶

缩放和旋转图像¶

In [10]:
from PIL import  Image
im = Image.new('RGB', (128, 128), 'cyan')
im_resied = im.resize((64, 64))
im_rotated = im.rotate(45)

# 绘图
import matplotlib.pyplot as plt
im_list = [im, im_resied, im_rotated]
plt.figure(figsize=(9, 3))
for i, j in enumerate(im_list):
    plt.subplot(1, 3, i+1)
    plt.title(['original', 'resized', 'rotated'][i])
    # plt.axis('off') # 为了对比 resize 前后图片的大小，我们这里就不隐藏坐标轴了
    plt.imshow(j, cmap=plt.cm.gray)
plt.show()

使用 resize() 方法缩放图像，该方法接受一个二元组，其含义为图像的宽高；使用 rotate() 方法旋转图像，接受一个整数，其含义为逆时针旋转的角度。

翻转图像¶

In [11]:
from PIL import  Image
fname = 'images/test/hopper.jpg'
im = Image.open(fname)
im_h_flip = im.transpose(Image.Transpose.FLIP_LEFT_RIGHT)
im_v_flip = im.transpose(Image.Transpose.FLIP_TOP_BOTTOM)

# 绘图
import matplotlib.pyplot as plt
im_list = [im, im_h_flip, im_v_flip]
plt.figure(figsize=(9, 3))
for i, j in enumerate(im_list):
    plt.subplot(1, 3, i+1)
    plt.title(['original', 'flip horizontally', 'flip vertically'][i])
    plt.axis('off')
    plt.imshow(j, cmap=plt.cm.gray)
plt.show()

使用 transpose() 方法可以实现图像的水平翻转和垂直翻转。

颜色变换¶

Pillow 库允许使用 convert() 方法在不同的像素表示之间转换图像。

In [12]:
from PIL import  Image
fname = 'images/test/hopper.jpg'
im = Image.open(fname)
im_L = im.convert('L')

# 绘图
import matplotlib.pyplot as plt
im_list = [im, im_L]
plt.figure(figsize=(10, 5))
for i, j in enumerate(im_list):
    plt.subplot(1, 2, i+1)
    plt.title(['original_RGB', 'converted_Gray'][i])
    plt.axis('off')
    plt.imshow(j, cmap=plt.cm.gray)
plt.show()

该库支持每个格式与 L 和 RGB 的相互转换，但如何和其他格式进行转换，一般采用 RGB 做中间媒介。

图像增强¶

Pillow 库提供了大量的的用于图像增强的方法和模块。

ImageFilter 模块中封装了很多用于图像滤波的类，包括高斯模糊，边缘增强，细节滤波等等。

In [13]:
from PIL import  ImageFilter
fname = 'images/test/hopper.jpg'
im = Image.open(fname)
im_out = im.filter(ImageFilter.DETAIL) # 细节滤波，使图像中的细节更加明显

# 绘图
import matplotlib.pyplot as plt
im_list = [im, im_out]
plt.figure(figsize=(10, 5))
for i, j in enumerate(im_list):
    plt.subplot(1, 2, i+1)
    plt.title(['original', 'after detail filtering'][i])
    plt.axis('off')
    plt.imshow(j)
plt.show()

像素点操作¶

point() 方法用于批量转换图像像素点。该方法接受一个 lambda 函数作为参数，图像中所有像素点都根据该函数进行处理。例如，下方这个例子就是通过 point() 方法对图像的对比度进行增强。

In [14]:
from PIL import  Image
fname = 'images/test/hopper.jpg'
im = Image.open(fname)
im_out = im.point(lambda _: _*1.25)

# 绘图
import matplotlib.pyplot as plt
im_list = [im, im_out]
plt.figure(figsize=(10, 5))
for i, j in enumerate(im_list):
    plt.subplot(1, 2, i+1)
    plt.title(['original', 'after contrast enhanced'][i])
    plt.axis('off')
    plt.imshow(j)
plt.show()

高级图像增强¶

要想获得更高级的图像增强，你可以使用 ImageEnhance 模块中定义的类。通过那些类，你可以快速地对图像的亮度、对比度、色彩平衡以及锐化程度进行调节。

In [15]:
from PIL import Image, ImageEnhance
fname = 'images/test/hopper.jpg'
im = Image.open(fname)
enh = ImageEnhance.Brightness(im).enhance(2)

# 绘图
import matplotlib.pyplot as plt
im_list = [im, enh]
plt.figure(figsize=(10, 5))
for i, j in enumerate(im_list):
    plt.subplot(1, 2, i+1)
    plt.title(['original', '100% more brightness'][i])
    plt.axis('off')
    plt.imshow(j)
plt.show()

图像序列¶

Pillow 库也包含对图像序列（动画格式）的一些基本支持。支持的序列格式文件包括：GIF、TIFF和FLI等等。

读取序列¶

当加载序列图像时，默认加载的是第一帧。你可以使用 seek() 和 tell() 方法访问不同的帧。

In [16]:
from PIL import Image
fname = 'images/test/digit.gif'
im = Image.open(fname)
im_list = [im.copy()]
try:
    while True:
        im.seek(im.tell()+1)
        im_list.append(im.copy())
except EOFError:
    pass

# 绘图 
import matplotlib.pyplot as plt
plt.figure(figsize=(9, 3))
for i, j in enumerate(im_list):
    plt.subplot(1, 3, i+1)
    plt.title(str(i+1))
    plt.axis('off')
    plt.imshow(j)
plt.show()

迭代序列¶

除使用 seek() 方法读取图像序列外，ImageSequence 模块还提供了 for 循环迭代遍历图像序列的方法。

In [17]:
from PIL import Image, ImageSequence
fname = 'images/test/digit.gif'
im = Image.open(fname)
im_list = []
for frame in ImageSequence.Iterator(im):
    im_list.append(frame.copy())

# 绘图 
import matplotlib.pyplot as plt
plt.figure(figsize=(9, 3))
for i, j in enumerate(im_list):
    plt.subplot(1, 3, i+1)
    plt.title(str(i+1))
    plt.axis('off')
    plt.imshow(j)
plt.show()

此外，你也可以通过 Image 模块定义的属性 n_frames 来控制 for 循环的次数。

In [18]:
from PIL import Image
fname = 'images/test/digit.gif'
im = Image.open(fname)
im_list = []
for i in range(im.n_frames):
    im.seek(i)
    im_list.append(im.copy())

# 绘图 
import matplotlib.pyplot as plt
plt.figure(figsize=(9, 3))
for i, j in enumerate(im_list):
    plt.subplot(1, 3, i+1)
    plt.title(str(i+1))
    plt.axis('off')
    plt.imshow(j)
plt.show()

PostScript 打印¶

In [19]:
from PIL import Image, PSDraw
with Image.open("images/test/hopper.jpg") as im:
    with open('images/test/hopper.ps', 'wb') as fp:
        # 创建文档
        ps = PSDraw.PSDraw(fp)

        # 开始文档
        ps.begin_document("hopper")

        # 插入图片
        ps.image(box, im, 75)
        ps.rectangle((1 * 72, 2 * 72, 7 * 72, 10 * 72))

        # 插入标题
        ps.setfont("HelveticaNarrow-Bold", 36)
        ps.text((3 * 72, 4 * 72), "hopper")

        # 结束文档
        ps.end_document()

更多读取图片的方式¶

我们通常使用 Image.open(filename) 的方式来打开一张图片。其实，Image.open() 还可以作为上下文管理器。如果一切顺利，返回一个 PIL.Image.Image 对象，否则抛出 OSError 异常。

In [20]:
from PIL import Image
with Image.open('images/test/hopper.jpg') as im:
    im.show()

从打开的文件中读取¶

In [21]:
from PIL import  Image
with open('images/test/hopper.jpg', 'rb') as fp:
    im = Image.open(fp)
    im.show()

从 tar 存档中读取¶

In [22]:
from PIL import Image, TarIO
fp = TarIO.TarIO('images/test/hopper.tar', "hopper.jpg")
im = Image.open(fp)
im
Out[22]:

批量处理¶

例如，将所有 PNG 格式的图片都转换成低质量的 JPEG 格式保存在工作目录中。

In [23]:
import glob
from PIL import Image


def compress_image(source_path, dest_path):
    with Image.open(source_path) as img:
        if img.mode != "RGB":
            img = img.convert("RGB")
        img.save(dest_path, "JPEG", optimize=True, quality=80)

if __name__=='__main__':
    for path in glob.glob("*.png"):
        compress_image(path, path[:-4] + ".jpg")

控制解码器¶

draft() 方法允许操作一个打开但尚未加载的图像，使其尽可能与给定模式和大小匹配，这是通过重新配置图像解码器来实现的。但仅适用于 JPEG 和 MPO 文件。

In [24]:
from PIL import Image
fname = 'images/test/hopper.jpg'
with Image.open(fname) as im:
    print("original =", im.mode, im.size)

    im.draft("L", (64, 64))
    print("draft =", im.mode, im.size)

    im.show()

original = RGB (128, 128)
draft = L (64, 64)

概念¶

波段¶

一幅图像可能由一个或多个波段组成，只要它们具有相同的尺寸和深度。例如，PNG 图像可能有 R、G、B 和 A 四个波段，分别表示红色、绿色、蓝色和 alpha 透明值。

In [25]:
from PIL import  Image
im = Image.open('images/test/hopper.jpg')
print(im.getbands())
print(list(im.getdata(0))[:10]) # 数据太多，这里只展示前10个像素点的值
r, g, b = im.split()
r = im.getchannel('R')
r

('R', 'G', 'B')
[24, 18, 16, 22, 25, 23, 19, 17, 28, 29]
Out[25]:
  • Image.getbands()：获取图像中所有波段的名称，并以元组的形式返回。
  • Image.getdata(band=None)：将此图像的内容作为包含像素值的序列对象返回。序列对象是扁平的，即第一行的值紧跟在第0行之后，依此类推。band 参数表示波段的索引，默认是 None，返回所有波段。
  • Image.split()：将图像分割为单独的波段。
  • Image.getchannel(channel)：返回图像的单个通道。channel 参数可接受一个整型的索引值，或大写的通道名称。

模式¶

图像模式 mode 是一个字符串，它定义图像中像素的类型和深度。每个像素使用位深度的全部范围，例如：1位像素的范围是0-1，8位像素的范围是0-255，以此类推。当前 Pillow 支持以下标准模式：

  • 1：1位，黑白，每字节存储1个像素
  • L：8位，黑白
  • P：8位，使用调色板映射到任何其他模式
  • RGB：3x8位，真彩色
  • RGBA：4x8位，带透明遮罩的真彩色
  • CMYK：4x8位，印刷色彩（cyan，magenta，yellow，black）
  • ……

你可以通过 mode 属性读取图像的模式。这是一个包含上述值之一的字符串。

In [26]:
from PIL import  Image
im = Image.open('images/test/hopper.jpg')
print(im.mode)
r = im.getchannel('R')
print(r.mode)

RGB
L

大小¶

你可以通过 size 属性读取图像大小。这是一个二元组，包含以像素位单位的水平和垂直大小，即图像的宽和高。

In [27]:
from PIL import  Image
im = Image.open('images/test/hopper.jpg')
im.size
Out[27]:
(128, 128)

坐标系¶

Pillow 使用笛卡尔坐标系，左上角坐标为 (0, 0)。坐标通常作为2元组传递给类或函数。矩形表示为4元组，前两个元素是左上角点的坐标，后两个元素代表右下角点的坐标。

调色板¶

调色板模式（p）使用调色板为每个像素定义实际颜色。

滤波器¶

对于可能将多个输入像素映射到单个输出像素的几何操作，Pillow 提供了多种不同的重采样滤波器。

  • PIL.Image.NEAREST：最邻近采样
  • PIL.Image.BILINEAR：双线性插值
  • PIL.Image.HAMMING：汉明采样
  • PIL.Image.BICUBIC：双三插值
  • PIL.Image.LANCZOS：余弦滤波

参考¶

Pillow 官方文档